Eko Lanue ArdieNATIVZEN.com – Kecerdasan buatan alias AI telah berhasil menyihir jutaan orang. Tak hanya digunakan untuk belajar atau menulis dokumen, teknologi tersebut juga dimanfaatkan untuk mendongkrak produktivitas penggunanya.
Kini, teknologi tersebut juga dapat membantu mereka menavigasi dunia fisik dengan lebih efektif. Seperti yang ditunjukkan oleh NVIDIA dalam acara SIGGRAPH 2024, mereka telah memperlihatkan kemajuan Generative Physical AI yang dikembangkannya.
Ini termasuk alur kerja referensi NVIDIA Metropolis untuk membangun Visual AI Agents ditenagai Generative AI dan layanan mikro NVIDIA NIM terbaru yang akan membantu pengembang melatih mesin fisik serta meningkatkan cara mereka menangani tugas-tugas kompleks.
Ini juga mencakup tiga layanan mikro NIM fVDB yang mendukung kerangka pembelajaran mendalam NVIDIA terbaru untuk dunia 3D, serta layanan mikro USD Code, USD Search, dan USD Validate NIM untuk bekerja dengan Universal Scene Description (OpenUSD).
Layanan mikro NVIDIA OpenUSD NIM bekerja sama dengan model Generative AI pertama di dunia untuk pengembangan OpenUSD — juga dikembangkan NVIDIA — untuk memungkinkan pengembang menggabungkan Copilot dan Visual AI Agents ke dalam alur kerja USD dan memperluas kemungkinan dunia 3D.
Layanan Mikro NVIDIA NIM Mengubah Lanskap AI Fisik
Generative Physical AI menggunakan simulasi dan metode pembelajaran tingkat lanjut untuk membantu robot dan infrastruktur memahami, menalar, dan menavigasi lingkungan sekitarnya dengan lebih efektif.
Teknologi ini mentransformasi industri seperti manufaktur dan layanan kesehatan, serta memajukan ruang cerdas dengan robot, teknologi pabrik dan gudang, agen bedah AI, serta mobil yang dapat beroperasi secara lebih mandiri dan presisi.
NVIDIA menawarkan beragam layanan mikro NIM yang disesuaikan untuk model dan domain industri tertentu. Rangkaian NIM NVIDIA yang dirancang untuk Physical AI mendukung kemampuan ucapan dan terjemahan, visi dan kecerdasan, serta animasi dan perilaku realistis.
Mengubah Visual AI Agents Menjadi Visioner Dengan NVIDIA NIM
Visual AI Agents menggunakan kemampuan visi komputer untuk memahami dan berinteraksi dengan dunia fisik serta melakukan tugas penalaran. Ini sangat perseptif dan interaktif, yang didukung oleh model Generative AI kelas terbaru yang disebut Vision Language Model (VLM).
Ini menjembatani persepsi digital dan interaksi dunia nyata dalam beban kerja Generative Physical AI untuk memungkinkan peningkatan pengambilan keputusan, akurasi, interaktivitas, dan kinerja.
Dengan VLM, pengembang dapat membangun Visual AI Agents yang dapat menangani tugas-tugas menantang dengan lebih efektif, bahkan di lingkungan yang kompleks. Teknologi tersebut dapat diterapkan di rumah sakit, pabrik, gudang, toko ritel, bandara, dan banyak lagi.
Untuk membantu pengembang Generative Physical AI dengan lebih mudah membangun Visual AI Agents secara kustom dengan performa tinggi, NVIDIA menawarkan layanan mikro NIM dan alur kerja referensi untuk AI fisik.
Sementara itu, alur kerja referensi NVIDIA Metropolis juga memberikan pendekatan yang terbilang sangat sederhana dan terstruktur untuk menyesuaikan, membangun, dan menerapkan Visual AI Agents.
NVIDIA NIM Membantu K2K Menjadikan Palermo Lebih Efisien, Aman dan Terjamin
Pengelola lalu lintas kota di Palermo, Italia, juga sudah mengerahkan Visual AI Agents menggunakan NVIDIA NIM. Ini dimanfaatkan untuk mengungkap wawasan fisik yang membantu mereka mengelola jalan raya dengan lebih baik.
K2K, mitra NVIDIA Metropolis, memimpin upaya ini. Mereka mengintegrasikan layanan mikro NVIDIA NIM dan VLM ke dalam Visual AI Agents untuk menganalisis kamera lalu lintas secara langsung yang ada di kota Pelermo.
Pejabat kota juga dapat mengajukan pertanyaan kepada agen dalam bahasa alami dan menerima wawasan yang cepat serta akurat tentang aktivitas jalan raya. Tak ketinggalan tentunya saran tentang cara meningkatkan operasional kota, seperti menyesuaikan waktu lampu lalu lintas.
Raksasa elektronik global terkemuka Foxconn dan Pegatron juga telah mengadopsi Generative Physical AI, layanan mikro NIM, dan alur kerja referensi Metropolis untuk merancang serta menjalankan operasi manufaktur besar-besaran mereka secara lebih efisien.
Perusahaan-perusahaan tersebut membangun pabrik virtual dalam simulasi untuk menghemat waktu dan biaya secara signifikan. Mereka juga menjalankan pengujian dan penyempurnaan yang lebih menyeluruh untuk Generative Physical AI mereka.
Ini termasuk AI multi-kamera dan Visual AI Agents pada digital twins sebelum diterapkan di dunia nyata. Hasilnya, mampu meningkatkan keselamatan pekerja dan mengarah pada efisiensi operasional.
Menjembatani Kesenjangan Simulasi-ke-Realitas dengan Pembuatan Data Sintetis
Kita juga sudah mendengar bahwa tak sedikit bisnis yang digerakkan oleh AI, dan kini mengadopsi pendekatan “yang mengutamakan simulasi” untuk proyek Generative Physical AI yang melibatkan otomasi industri di dunia nyata.
Perusahaan manufaktur, logistik pabrik, dan robotika perlu mengelola interaksi manusia-pekerja yang rumit, fasilitas canggih, dan peralatan mahal. Menariknya, perangkat lunak, alat, dan platform Generative Physical AI NVIDIA dapat membantu.
Semua teknologi tersebut mampu menyederhanakan rekayasa yang sangat kompleks, yang diperlukan untuk menciptakan representasi digital atau lingkungan virtual yang secara akurat meniru kondisi dunia nyata.
VLM mulai diadopsi secara luas di berbagai industri karena kemampuannya menghasilkan citra yang sangat realistis. Namun, model ini mungkin sulit untuk dilatih karena banyaknya volume data yang diperlukan untuk membuat model Generative Physical AI yang akurat.
Data sintetik yang dihasilkan dari kembaran digital menggunakan simulasi komputer menawarkan alternatif yang kuat terhadap kumpulan data dunia nyata, yang mungkin mahal — dan terkadang tidak mungkin — diperoleh untuk pelatihan model, bergantung pada kasus penggunaan.
Sementara, tools seperti layanan mikro NVIDIA NIM dan Omniverse Replicator memungkinkan pengembang membangun jalur data sintetik generatif yang didukung AI untuk mempercepat pembuatan kumpulan data yang kuat dan beragam untuk melatih Generative Physical AI.
Hal ini meningkatkan kemampuan adaptasi dan performa model seperti VLM, sehingga memungkinkan model tersebut melakukan generalisasi secara lebih efektif di seluruh industri dan kasus penggunaan.
Ketersediaan
Pengembang dapat mengakses model AI dasar yang canggih, terbuka, dan dibuat oleh NVIDIA serta layanan mikro NIM di ai.nvidia.com. Alur kerja referensi Metropolis NIM tersedia di repositori GitHub, dan layanan mikro Metropolis tersedia untuk diunduh di pratinjau pengembang.
Layanan mikro OpenUSD NIM tersedia dalam pratinjau melalui katalog API NVIDIA. Saksikan juga bagaimana akselerasi komputasi dan Generative AI mengubah industri dan menciptakan peluang baru untuk inovasi dan pertumbuhan dalam obrolan singkat CEO NVIDIA Jensen Huang di SIGGRAPH 2024.
